Teza

Date post:31-Oct-2014
Category:
View:53 times
Download:4 times
Share this document with a friend
Description:
Contributii
Transcript:

UNIUNEA EUROPEAN

GUVERNUL ROMNIEI MINISTERUL MUNCII, FAMILIEI I PROTECIEI SOCIALE AMPOSDRU

Fondul Social European POSDRU 2007-2013

Instrumente Structurale 2007-2013

OIPOSDRU

UNIVERSITATEA TEHNIC GHEORGHE ASACHI DIN IAI

UNIVERSITATEA TEHNIC GHEORGHE ASACHI DIN IAIFacultatea de Electronic, Telecomunicaii i Tehnologia Informaiei

Contribuii privind Metode de Extragere a Trsturilor ntr-un Sistem de Recunoatere- REZUMAT TEZ DE DOCTORAT -

Conductor de doctorat: Prof. univ. dr. Liviu Gora Doctorand: Ing. Radu-Laureniu Vieriu

IAI - 2012

UNIUNEA EUROPEAN

GUVERNUL ROMNIEI MINISTERUL MUNCII, FAMILIEI I PROTECIEI SOCIALE AMPOSDRU

Fondul Social European POSDRU 2007-2013

Instrumente Structurale 2007-2013

OIPOSDRU

UNIVERSITATEA TEHNIC GHEORGHE ASACHI DIN IAI

Teza de doctorat a fost realizat cu sprijinul financiar al proiectului Burse Doctorale pentru Performana n Cercetare la Nivel European (EURODOC). Proiectul Burse Doctorale pentru Performana n Cercetare la Nivel European (EURODOC), POSDRU/88/1.5/S/59410, ID 59410, este un proiect strategic care are ca obiectiv general Dezvoltarea capitalului uman pentru cercetare prin programe doctorale pentru mbuntirea participrii, creterii atractivitii i motivaiei pentru cercetare. Dezvoltarea la nivel european a tinerilor cercettori care s adopte o abordare interdisciplinar n domeniul cercetrii, dezvoltrii i inovrii.. Proiect finanat n perioada 2009 - 2012. Finanare proiect: 18.943.804,97 RON Beneficiar: Universitatea Tehnic Gheorghe Asachi din Iai Partener: Universitatea Babe Bolyai din Cluj-Napoca Director proiect: Prof. univ. dr. ing. Mihaela-Luminia LUPU Responsabil proiect partener: OZUNU Prof. univ. dr. ing. Alexandru

UNIUNEA EUROPEAN

GUVERNUL ROMNIEI MINISTERUL MUNCII, FAMILIEI I PROTECIEI SOCIALE AMPOSDRU

Fondul Social European POSDRU 2007-2013

Instrumente Structurale 2007-2013

OIPOSDRU

UNIVERSITATEA TEHNIC GHEORGHE ASACHI DIN IAI

AcknowledgementsI would like to thank Professor Liviu Gora for his enthusiasm, guidance and unlimited support offered over the research years. His valuable feedback and suggestions were always appreciated. Many thanks towards Professor Nicu Sebe for giving me the opportunity of meeting and working with the whole crew from his department in Trento and also for his constructive comments during my research stage in Italy. Special thanks to Ram, Anoop, Elisa and Oswald for their kind support and friendly attitude. I keep great souvenirs from all the activities done in Italy. I would also like to acknowledge the financial support offered by the Doctoral Scholarship for research performance at European level (EURODOC) project, financed by the European Social Fund and the Romanian Government. At the same time, I would like to express my gratitude for friends, staff members, colleagues and family for all the help and understanding. Last but not least, I would like to thank my wife for her endless moral support, love and care with which I was blessed during all my research years.

Contents

1 Introducere 2 Trsturi i tehnici de aare a a s nvt 2.1 Trsturi pentru aplicatii de recunoatere . . . . . . . . . . . . . . . . . . . . aa s 2.2 Teoria transferului de cunotinte . . . . . . . . . . . . . . . . . . . . . . . . . s 2.3 Metode de aare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . nvt 3 Recunoaterea fetelor folosind HMM s 3.1 Metoda adoptat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 3.2 Rezultate i discutii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s 4 Recunoaterea gesturilor statice folosind HMM s 4.1 Metoda propus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 4.2 Resultate i concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s 5 Estimarea pozitiei capului 5.1 Determinarea celei mai discriminatorii trsturi pentru HPE aa 5.2 Cazul simplu: subiecti aati punctul de referint . . . . . n a 5.3 Cazul subiectilor aati micare . . . . . . . . . . . . . . . n s 5.4 Concluzii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Concluzii i abordri viitoare s a

1 3 3 6 7 10 10 11 15 15 18 19 20 23 25 30 32

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

i

1

Introducere

Un lucru pe care l-am aat de-a lungul anilor de doctorat este legat de faptul c nvt a nu exist un set de trsturi generale, ci mai degrab o dependent strns a aa a a a a ntre trsturi aa i aplicatia pe care o trateaz. Se pot astfel gsi trsturi care s functioneze remarcabil s a a aa a pentru o aplicatie dat, dar acelai timp s e total nepotrivite a n s a ntr-un alt context. Toti sunt interesati de trsturi compacte i discriminatorii, care s pstreze spatiul vectorial ct aa s a a a mai mic posibil, uurnd astfel calculul i fcnd algoritmul s ruleze timp real. Acest s a s a a a n ultim deziderat este pstrat general mai spre nal, datorit dezvoltrii tehnologice tot mai a n a a accentuate, care face ca algoritmi ce durau minute cu ctva timp urm, s aib nevoie de a n a a a secunde pentru acelai rezultat. s Extragerea trsturilor este una din cele mai importante etape aa ntr-un sistem de detectie sau recunoatere ce poate inuenta decisiv performantele. Trsturile sunt reprezentate de s i aa vectori multi-dimensionali, care se concentreaz ct mai mult informatie discriminatorie n a a a despre datele din care sunt extrase. Pentru a putea realiza o combinatie optim a ntre un anumit tip de trstur i algoritmul de aare ce o folosete, este necesar elegerea aa a s nvt s a nt mecanismului de aranjare a punctelor-trstur spatiul vectorial i mai important, ct a a a n s a de bine aceste puncte reect caracteristici ale bazei de date. Cu alte cuvinte, este foarte a important s existe o legtur a a a ntre baza de date i trsturile rezultate (din punct de vedere s aa al gradului de reprezentare), iar aceast legtur trebuie exploatat ct mai ecient de ctre a a a a a a algoritmul de aare. nvt Motivatie Acest studiu a fost impus de necesitatea de a evidentia ct mai mult din relatia dinte a vectorii-trstur i metodele de aare des alnite literatur. Pentru aceasta, au fost aa as nvt nt n a analizate i testate diverse tipuri de trsturi diferite scenarii specice arii articiale, s aa n nvta precum recunoaterea fetelor, a gesturilor statice generate de mini precum i estimarea s a s pozitiei capului. O bun parte din tez este dedicat acestei ultime aplicatii, acest lucru a a a ind motivat de existenta unui proiect mai amplu ce are ca scop interpretarea datelor de tip comportamental din evenimente de tip socializare. Structura tezei Teza este construit jurul a trei directii. Prima implic analiza impactului mai multor a n a tipuri de trsturi asupra performantelor unul sistem de recunoatere a fetelor, folosind modaa s a ele Markoviene. Prin urmare, Capitolul 3 prezint analize parametrice legate de dimensiunea spatiului, precum i gradul de imunitate la zgomot al diverselor trsturi testate. Cea de-a s aa doua tem propune o solutie simpl dar rapid i ecient ceea ce privete problema de a a as a n s recunoatere a gesturilor statice efectuate de mini, utiliznd aceleai modele Markoviene. s a a s Detalii asupra metodei sunt prezentate Capitolul 4. n Capitolul 5 trateaz estimarea pozitiei capului din imagini de rezolutie sczut provenite a a a de la mai multe camere de lmat i ofer solutii elegante pentru cteva scenarii. Pentru s a a cazul static ( care subiectii se a plasati n a ntr-un punct de referinta) a fost propus un nou 1

algoritm, numit Xferboost, care combin ecienta unui algoritm de tip boosting cu elemente a din teoria transferului de cunotinte. Pentru cazul subiectilor aati micare a fost propus s n s un cadru adaptiv ce ncorporeaz o functie de tip distant ponderat ce poate transferat a a a a acelai capitol a fost realizat un studiu comparativ de la un domeniu surs la unul int. In a t a s asupra trsturilor cu aplicatie pe estimarea pozitiei capului i de asemenea este prezentat aa s a nregistrarea unei baze de date pentru aceeai aplicatie, ce contine mai mult de 60000 de s elemente etichetate. afar de cele trei capitole, Capitolul 1 face o scurt introducere tematica abordat In a a n a aceast tez, prezentnd de asemenea motivatia i structura tezei, Chapter 2 reprezint n a a a s a o scurt trecere revist a ceea ce reprezint state-of-the-art domeniul metodelor de a n a a n extragere de trsturi, respectiv cel al algoritmilor de aare, iar concluziile i abordrile aa nvt s a ulterioare sunt discutate Capitolul 6. n

2

2

Trsturi i tehnici de aare a a s nvt

acest capitol sunt introduse cteva din cele mai uzuale metode de extragere a trIn a a sturilor faciale des alnite literatur, urmnd ca apoi s e discutate trei tehnici de a nt n a a a aare utilizate aplicatii de recunoatere, precum cele de tip boosting, Support Vector nvt n s Machines (SVMs) i modelele statistice Markoviene cu stri ascunse (HMMs). plus, s a In o tehnic particular de aare, ce transfer cunotinte a a nvt a s ntre domenii, intens folosit a n Capitolul 5, este de asemenea prezentat aici. a

2.1

Trsturi pentru aplicatii de recunoatere a a s

Scopul acestei sectiuni este de a prezenta o serie de trsturi discriminatorii potrivite aa pentru aplicatii de recunoatere a fetelor, respectiv a pozitiei capului. Sunt astfel discu s tate trsturi provenite din Transformata Cosinus Discret (DCT), Transformata Wavelet aa a Discret (DWT), cele de tip Scale Invariant Feature Transform (SIFT), Histogram of Oria ented Gradients(HOG), Local Binary Patterns (LBP) i de asemenea cele de tip matrice de s covariant. a Transformata

Popular Tags:

Click here to load reader

Embed Size (px)
Recommended